226

Posted On Octubre 6, 2014 By In COMUNICACION, MARKETING And 2218 Views

Social Media Mining

Social Media Mining o cuando la herramienta no es la clave

A lo largo de la historia de la Humanidad recabar y proteger información y conocimiento ha sido una constante a la hora de poder preservar y recuperar información y conocimiento. En nuestra época, nos enfrentamos a la misma necesidad con una diferencia radical: la velocidad a la que se producen nuevos datos supera la capacidad de cualquier persona y organización de estar simplemente al día de los datos que se están produciendo a diario.

Con los medios sociales de Internet creados y evolucionados con la emergencia de la web 2.0 se suma una mayor complejidad adicional. Los datos son menos homogéneos, menos estructurados (las formas de los contenidos dependen de cada medio), mucho más masivos (se producen sin fin en cualquier momento y lugar) y están cargados de formas de relaciones sociales muy diversas (amigos, seguidores, etc.). Además, con las enormes limitaciones del desarrollo del lenguaje natural y de la web semántica, nos enfrentamos a una simple web sintáctica cargada de ruido ante la dificultad, si no imposibilidad, de desambiguar el lenguaje.

El social media mining se puede definir como el proceso de capturar, almacenar, analizar, representar y visualizar los datos generados desde los medios sociales y, como área de conocimiento, se sitúa en el espacio de hibridación de la sociabilidad online y offline, como un mismo continuo social. El objetivo final debe ser la identificación de patrones relacionales significativos dentro de los datos sociales masivos. Así, las tecnologías de monitorización –tan diversas y desiguales en valor- sólo son una herramienta de ayuda necesaria pero no la meta del social media mining, como tienden a ser interpretadas de forma demasiado tecnocéntrica. Toda tecnología acarrea, como mínimo, las limitaciones de sus desarrolladores y recursos junto a las de las capacidades analíticas de sus usuarios.

La tarea puede ser (y será) tan compleja como los objetivos marcados en el social media mining por lo que para obtener información o conocimiento de los datos a gran escala de los social media y comprender esos patrones significativos relacionales, puede ser necesario y oportuno el conocimiento de técnicas de programación (para la captura de datos desde las APIs de los medios sociales u otros métodos), social network analysis, estadística, matemáticas, sociología, etnografía o disciplinas en desarrollo como la netnografía.

Para presentar la singularidad del Social Media Mining las fuentes de los datos presentan características novedosas que incrementan su complejidad:

  1. los datos sociales de los social media son los datos generados por la actividad de las personas en su despliegue social online por medio de las múltiples tipologías de relaciones que establecen (compartir imágenes, ideas, textos, vídeos, etc.) por lo que estamos ante un tipo de datos multidimensionales
  2. las fuentes de los datos son múltiples, crecen y desaparecen cada día, por lo que éstas no son estables y supone una exigencia constante el mantener identificadas y activas esas fuentes en el social media mining y
  3. la heterogeneidad de las fuentes dificulta la agregación de los datos de forma consistente en la búsqueda de patrones significativos para la toma de decisiones.nigualatodo

Por último, ante estas singularidades y dificultades del Social Media Mining lo que se tiende a hacer es la captura de muestras para facilitar el análisis. Las muestras son una herramienta intelectual para épocas de escasez de información donde el mayor esfuerzo metodológico se invierte en la precisión de la selección de la muestra, para luego extrapolar los resultados al universo o conjunto objeto del estudio. La relación entre el social media mining y las técnicas de muestreo impone dos reflexiones de gran alcance:

  1.  no es fácil determinar en un contexto social, como el de los social media, cuál puede ser el universo y mucho menos la muestra adecuada para tener garantías de cientificidad de las conclusiones del análisis
  2.  la eliminación (o permanencia) del ruido -o falsos positivos- tal y como ya se ha explicado sobre la web sintáctica- en el muestreo puede ser una tarea casi imposible o perder información significativa con la eliminación del ruido y
  3.  en realidad, el gran reto no debería ser la captura de muestras sino trabajar en la capacidad de capturar y analizar los universos completos objeto de estudio donde la muestra (n) es igual a todo (n=todo) y donde el ruido tienda a ser marginal, favoreciendo la exhaustividad del universo sobre la exactitud de la muestra.

Por tanto, una de las claves a las que nos enfrentamos con el Social Media Mining es como bucear en los medios sociales, capturar datos y convertirlos en información o conocimiento que nos ayude a tomar decisiones correctas en nuestros ámbitos de responsabilidad. La primera parte es, sin duda, la de la creciente presión para el desarrollo de tecnologías y metodología de análisis creando una nueva disciplina como la minería de datos de los medios sociales o social media mining, lo que hace necesario un conocimiento interdisciplinar que abarque desde técnicas estadísticas hasta el conocimiento de teorías sociales. La tarea del social media mining no es, por tanto, una simple cuestión de qué herramienta de monitorización elegir (siempre limitadas por sus creadores y usuarios) sino de un proceso más general de integración de tecnología, análisis y comprensión en una nueva área de conocimiento.

Post publicado originalmente en el blog de Apple Tree Communications

ATC para post VD

creative_commons

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Loading Google+ Comments ...
Follow

Get every new post on this blog delivered to your Inbox.

Join other followers: